К вопросу оценки эффективности научной и инновационной деятельности вузов в России

Введение

Происходящая в настоящее время четвертая промышленная революция привносит значительные изменения в социально-экономические отношения: многие страны выбирают путь развития цифровой экономики, а в структуре промышленности увеличивается доля высокотехнологичных товаров и услуг. Рост и развитие цифровых или электронных технологий, которые позволяют быстро перемещать информацию или товары, является фундаментальной тенденцией развития всех секторов экономики. В результате цифровой трансформации формируется новый уклад экономики. Такие преобразования сопровождаются трансформацией восприятия человеческого капитала и увеличением его значимости: ведущие страны мира для своего экономического процветания все чаще эволюционируют в сторону экономики, базирующейся на знаниях, меньше полагаясь на традиционные ресурсы.

Человеческий капитал является важнейшим ресурсом развития любой страны, региона, организации, поскольку именно он определяет уровень производительности труда, конкурентоспособности и инновационности экономики. Кроме того, в современной экономике именно человеческий капитал определяет основную долю национального богатства стран, регионов и организаций. Ключевую роль в формировании и развитии человеческих ресурсов играют образовательные учреждения высшего профессионального образования, обеспечивая постоянный приток квалифицированных специалистов.

При этом перед вузами как перед субъектами рыночной экономики в настоящее время возникли принципиально новые вызовы, среди которых: глобализация образования и усиление конкуренции, изменение роли государства в регулировании высшего образования, снижение качества образования, необходимость адаптации образовательных программ к требованиям рынка труда, демографические факторы и т. д. Как видим, эти вызовы затрагивают различные аспекты деятельности университетов – от образовательного процесса до научно-исследовательской работы и взаимодействия с обществом.

На рынке образовательных услуг наряду с государственными образовательными учреждениями появились и различные негосударственные (частные). Бизнес-структуры также активно включились в этот процесс, предлагая образовательные программы и курсы различного уровня. Таким образом, уровень конкуренции на рынке образовательных услуг значительно вырос. И в условиях перехода к инновационной экономике и усиления глобальной конкуренции на рынке образовательных услуг оценка эффективности деятельности высших учебных заведений приобретает особую актуальность.

Несмотря на значительный интерес исследователей к данной тематике, проблема оценки эффективности деятельности вузов остается недостаточно разработанной. Различные авторы предлагают множество подходов к оценке эффективности вузов, однако ряд аспектов остаются предметом дискуссий и требуют дальнейшего изучения.

Недостаточно изученной является степень влияния различных показателей деятельности вузов на показатели их эффективности. Одним из направлений исследований, заслуживающих особого внимания, является создание системы оценки эффективности вузов. Для России, стремящейся укрепить свои позиции в мировом научном и образовательном пространстве, создание объективной и комплексной системы оценки вузов является одной из ключевых задач государственной политики.

Существующие методики, в том числе официальный мониторинг эффективности, проводимый Министерством образования и науки РФ, часто подвергаются критике за формализм (Слободняк, Баенхаева, 2015), ограниченный набор показателей (Губа, Завадская, 2017) и слабую связь с реальным качеством образования и науки (Вкусов, 2018; Винокуров, 2013; Левашов, 2016; Романов, 2019). Это порождает необходимость поиска новых, более совершенных подходов, способных адекватно оценить вклад университетов в развитие страны.

Задачи исследования:

1. Провести анализ опыта оценки научной и инновационной деятельности вузов.
2. Обосновать выбор данных и методологии для проведения эконометрического анализа.
3. Построить эконометрические модели, объясняющие вариацию доходов вузов от НИОКР.
4. Проинтерпретировать полученные результаты и выявить ключевые факторы, определяющие эффективность научной и инновационной деятельности вузов в России в сфере проведения НИОКР.
5. Сформулировать выводы и определить направления дальнейших исследований.

Объект исследования – совокупность ведущих высших учебных заведений Российской Федерации, входящих в топ-100 лучших вузов России по версии рейтинга RAEX.

Предмет исследования – взаимосвязи между показателями деятельности вузов и их эффективностью в сфере научной и инновационной деятельности, выраженной через объем доходов от НИОКР.

Обзор литературы

Современные университеты играют ключевую роль не только в образовании, но и в научном и инновационном развитии регионов и стран в целом. В связи с этим возрастает актуальность разработки и применения эффективных методик оценки их научной и инновационной деятельности. Анализ представленных в работе публикаций позволяет выделить два основных направления исследований: оценка общей эффективности деятельности вузов и более узкая оценка их научной и инновационной активности.

Вопросы оценки эффективности деятельности высших учебных заведений в России являются предметом оживленных научных дискуссий. Однако, несмотря на многочисленные попытки создания универсальной системы, до сих пор не выработано единого мнения о том, какие критерии и показатели наиболее адекватно отражают реальный вклад вузов в развитие науки, экономики и общества.

Эффективность деятельности вузов: общие подходы и проблемы

Многие исследователи отмечают, что существующая система мониторинга эффективности вузов, проводимая Министерством науки и высшего образования РФ, носит в значительной степени формальный характер. Критерии, используемые в этом мониторинге, часто подвергаются критике за их неспособность отразить качество образовательного процесса и реальную ценность вуза для студентов и работодателей (Левашов, 2016; Елшанский, 2017). Например, такие показатели, как средний балл ЕГЭ абитуриентов, не всегда являются надежным индикатором качества последующего обучения (Григораш, 2014).

Одной из ключевых проблем является сложность разработки единой системы оценки, применимой ко всем вузам без исключения. Исследователи подчеркивают необходимость дифференцированного подхода, который бы учитывал специфику различных типов университетов (национальных исследовательских, федеральных, опорных и др.) и их миссию (Гаффорова, Карловский, 2009; Романов, 2019). Простое копирование зарубежных моделей оценки без адаптации к российским реалиям и традициям отечественной высшей школы также признается неэффективным (Григораш, 2014).

Для повышения объективности оценки предлагаются различные подходы. Например, звучат призывы к двухэтапной системе оценки, которая бы включала анализ не только конечных результатов, но и самого процесса организации деятельности (Григораш, 2014). Другие авторы предлагают разделять понятия «эффективность» и «результативность», где первое относится к рациональности использования ресурсов, а второе – к достижению поставленных целей, и анализировать их в совокупности (Свиридова, Сазонова, 2011). Существует также проблема оценки предпринимательской деятельности вузов, которая требует особых подходов и показателей (Ниязова, 2003). В целом исследователи сходятся во мнении, что существующая система оценки нуждается в серьезной переработке и дополнении новыми, более гибкими и комплексными показателями (Сизов, Сизова, 2013; Астафьева и др., 2015).

Эффективность деятельности вузов в целом

Оценка эффективности университета – это комплексная задача, выходящая за рамки простого подсчета публикаций или патентов. Исследователи Н. А. Литвинова, Э. А. Гасанов, А. Е. Зубарев рассматривают вуз как сложную социально-экономическую систему, эффективность которой зависит от множества факторов, включая управление, человеческий капитал и интеграцию в глобальное пространство (Литвинова, 2024; Гасанов, Зубарев, 2019).

Один из подходов к оценке предполагает рассмотрение университета как интеллектуально-творческой организации. В этом контексте эффективность измеряется через способность генерировать, применять и распространять новые знания, что напрямую связано с качеством человеческого капитала. Ключевыми становятся не только формальные показатели, но и содержание инновационных компонентов человеческого потенциала, таких как креативность, предпринимательские навыки и способность к совместной работе (Ponomareva et al., 2019; Davydova et al., 2019).

Другой важный аспект – стратегическое управление. Эффективный университет должен обладать четкой стратегией развития, адаптированной к глобальным вызовам. Глобальная конкурентоспособность вуза напрямую связана с качеством стратегического менеджмента, который позволяет эффективно использовать имеющиеся ресурсы для достижения поставленных целей (Parakhina et al., 2017). При этом управление эффективным университетом – это непрерывный процесс, требующий постоянного мониторинга и корректировки (Ramsden, 1998).

Опыт оценки научной и инновационной деятельности вуза

При оценке непосредственно научной и инновационной деятельности исследователи фокусируются на конкретных показателях и моделях, позволяющих измерить вклад университета в экономику и технологическое развитие. Рассмотрим ключевые направления в этой области.

1. Влияние на экономику и инновации. Научная деятельность вузов оказывает прямое влияние на экономическое и инновационное развитие. Это влияние можно оценить через такие показатели, как количество и качество научных публикаций, цитируемость, участие в совместных исследованиях с индустрией и объем привлеченных средств на исследования и разработки (Терещенко, Щербаков, 2021). Эффективность трансфера технологий, т. е. процесса передачи знаний и разработок от университета к бизнесу, является одним из ключевых индикаторов успешности инновационной деятельности (Tseng & Raudensky, 2014).
2. Инновационный потенциал и его оценка. Для системной оценки инновационной деятельности предлагается анализировать инновационный потенциал университета. Этот подход включает оценку не только результатов (патенты, лицензии), но и ресурсов (финансовых, кадровых), а также процессов (управление интеллектуальной собственностью, поддержка стартапов). Такой комплексный анализ позволяет выявить сильные и слабые стороны в инновационной экосистеме вуза (Zhylinska et al., 2019).
3. Модели и индексы. В международной практике существуют различные индексы для оценки предпринимательской и инновационной активности университетов. Например, в Турции применяется специальный индекс для оценки предпринимательских университетов. Он включает в себя следующие критерии оценки: объем договорных работ, выполняемых под заказ индустриальных партнеров, наличие дисциплин, связанных с формированием предпринимательского мышления студентов, количество стартапов, основанных выпускниками вуза, количество рабочих мест, созданных инновационными предприятиями при вузе, участие вуза в разработке и реализации стратегии региона и др. Но, несмотря на свою полезность, он подвергается критике и требует доработки для более точного отражения реальности (Gür et al., 2017).

Опыт разных стран, таких как Германия, Испания, Великобритания, Нидерланды, демонстрирует разнообразие подходов к оценке, от анализа политики в области исследований и инноваций до измерения эффективности трансфера знаний и роли интеллектуального капитала (Kuhlmann, 2003; Berbegal-Mirabent et al., 2013; Hughes, 2006; Vinig & Lips, 2015; Cricelli et al., 2018) (табл. 1). Исследования также показывают, что государственные субсидии и кооперация с промышленностью являются значимыми факторами, стимулирующими инновационную активность вузов (Szücs, 2018).

Таким образом, анализ научной литературы показывает, что оценка эффективности научной и инновационной деятельности вузов является многогранной задачей. Эффективные подходы должны сочетать как количественные, так и качественные показатели, учитывать специфику национальной и региональной инновационной системы, а также рассматривать университет как целостную систему, где научная и образовательная деятельность тесно взаимосвязаны.

Опыт оценки научной и инновационной деятельности вузов на основе эконометрического моделирования

Научная и инновационная деятельность является одним из приоритетных направлений для современных университетов, особенно в контексте их трансформации в инновационные центры (Пушкарев, Латуха, 2012). Оценка этого аспекта деятельности вузов сопряжена с рядом трудностей.

Основным инструментом оценки научной деятельности в настоящее время являются наукометрические показатели, такие как количество публикаций в международных базах данных (Scopus, Web of Science) и индекс цитируемости (Полихина, Тростянская, 2018; Москалева, 2013). Однако использование исключительно этих показателей вызывает серьезную критику. Указывается, что погоня за публикационной активностью может приводить к снижению качества научных исследований и не всегда отражает реальный вклад ученого или вуза в науку (Молчанова и др., 2019).

Для более комплексной оценки предлагаются многоуровневые системы показателей. Например, для национальных исследовательских университетов предлагается система, учитывающая не только публикации, но и доходы от НИОКР, количество защищенных диссертаций, патентов и другие индикаторы (Шешукова, Сергеева, 2012).

Отдельные попытки оценки влияния показателей доходности вузов на различные показатели проводились учеными H. L. Fan, M. H. Huang и D. Z. Chen (2019), однако ими оценивается влияние именно доходов на различные показатели, а не каких-либо факторов на увеличение доходов.

Рядом исследователей также строятся различные эконометрические модели. Исследователи А. В. Меликян (2018), Т. Г. Максимова, А. С. Николаев, Б. Дулгуун (2018) на основе проведенных исследований делают вывод о том, что общий объем НИОКР связан отрицательной зависимостью с долей внебюджетных средств в доходах от НИОКР; на доход вуза от образовательной деятельности из иностранных источников влияют: число международных программ двух дипломов (положительно), число международных партнерских сетей университета (положительно), стоимость обучения (положительно), доля иностранных учащихся на коммерческой основе (положительно) и средний балл ЕГЭ (отрицательно), нахождение в Москве или Санкт-Петербурге (отрицательно) и медицинский профиль университета (положительно).

В исследовании Д. И. Зинченко и А. А. Егорова (2019) анализируются факторы эффективности российских университетов с использованием данных Мониторинга эффективности деятельности образовательных организаций высшего образования за 2017 г. Особое внимание в работе уделяется детерминантам эффективности, которые соотносятся с факторами государственной политики в сфере высшего образования.

Исследователями Я. Е. Львовичем, И. Л. Кашириной, А. Н. Швиндтом (2017) представлено моделирование взаимосвязи показателей мониторинга эффективности деятельности вузов и мониторинга трудоустройства выпускников для прогнозирования доли выпускников, трудоустроившихся в течение календарного года, следующего за годом выпуска. В работе А. Ю. Тимофеевой (2018) выявлено, что увеличение доли математических, естественно-научных, информационных и технических направлений в структуре студенческой подготовки в среднем приводит к росту показателей научной деятельности, в то время как для экономики и туризма характерна обратная тенденция. Ученые Я. Б. Лавриненко, Р. М. Новенников, В. И. Тинякова (2023) проанализировали связь между доходами вузов и их баллами в рейтинге Times Higher Education World University Rankings. Результаты их исследований показали, что между доходами и баллами существует сильная корреляционная связь. В своей работе они делают вывод о том, что инновационный уровень вузов зависит от объемов их финансирования.

В работах Д. Г. Сандлера и Д. А. Гладырева (2020, 2021) на данных крупнейших университетов исследуются факторы, которые влияют на внебюджетные доходы вузов, величину собственных доходов университета на одного научно-педагогического работника (далее – НПР) и доходы от НИОКР на одного НПР, а также проводится анализ влияния различных показателей доходности на наукометрические показатели вузов. Факторами положительного влияния на внебюджетные доходы являются: количество публикаций в РИНЦ на 100 НПР, наличие собственных научных журналов, отношение средней заработной платы НПР к средней региональной заработной плате, доля публикаций с иностранными соавторами, число полученных грантов на 100 НПР, доля сотрудников с учеными степенями. Факторы отрицательного влияния: доля защищенных диссертаций среди НПР, статьи с российскими соавторами.

Другие исследователи предлагают модели, основанные на оценке всего инновационного цикла: от имеющихся ресурсов («вход») через сам процесс генерации знаний («процесс») к конкретным результатам в виде новых технологий и разработок («выход») (Ефремова, 2019; Перфильева, 2016).

Подчеркивается, что оценка эффективности научно-исследовательской деятельности должна быть направлена не только на контроль, но и на стимулирование ученых и научных коллективов (Шаршов, 2014). Для этого необходима разработка сбалансированной методики, которая бы интегрировала различные группы показателей и позволяла проводить комплексный анализ эффективности как отдельных структурных подразделений, так и университета в целом (Речинский и др., 2015).

Таким образом, анализ научной литературы показывает, что, несмотря на обилие исследований, проблема объективной и всесторонней оценки эффективности научной и инновационной деятельности вузов в России остается нерешенной и требует дальнейшей проработки.

Приведенные исследования наглядно иллюстрируют разнообразие подходов к изучению взаимосвязей между показателями эффективности вузов. Ученые применяют разнообразные методики анализа, позволяющие выделить значимые факторы, которые влияют на показатели эффективности. Однако используемые статистические инструменты имеют определенную степень погрешности, что затрудняет точное определение степени влияния факторов друг на друга. Кроме того, многие исследования базируются на ограниченной выборке университетов, что снижает значимость выводов. Также в указанных исследованиях могут возникать проблемы эндогенности, т. е. когда объясняющие переменные взаимозависимы.

Таким образом, несмотря на наличие многочисленных работ в части влияния различных факторов на различные показатели деятельности вузов, следует признать, что оценка количественного влияния различных факторов на показатели эффективности вузов недостаточно изучена и требуется продолжение исследований в данной области, особенно для российских вузов.

Результаты исследования

Данные и методика исследования

В связи с вышеизложенным в настоящей работе проведено комплексное исследование, направленное на выявление взаимосвязей между показателями эффективности и различными характеристиками деятельности вузов. Цель исследования – выявление взаимосвязей и закономерностей, позволяющих повысить эффективность вузов. В частности, использованы статистические методы и эконометрическое моделирование.

Источником данных выбрана Информационно-аналитическая система (далее – ИАС) «Мониторинг» Минобрнауки РФ¹. Обусловлено это тем, что мониторинг охватывает разнообразные показатели деятельности вузов; данные регулярно и своевременно обновляются, открыты и публикуются публично, что обеспечивает высокую достоверность и надежность данных.

Для построения оценивающих моделей были отобраны данные 99 вузов за 2023 и 2024 гг. из топ-100 в рейтинге RAEX за 2024 г. Использование двух временных периодов при построении моделей осуществлялось для проверки, подтверждения полученных результатов и обеспечения большей уверенности в надежности выявленных закономерностей.

Предполагается, что связь между зависимыми и независимыми переменными носит линейный характер. Линейность упрощает интерпретацию коэффициентов и позволяет легко объяснить каждое изменение независимой переменной. Кроме того, предполагается, что независимые переменные не коррелируют между собой, так как высокая корреляция между ними приведет к завышению стандартной ошибки и снижению точности моделей.

Предлагаемая спецификация моделей направлена на выявление факторов, определяющих уровень осуществления инновационной деятельности вузами, выраженный через уровень доходов от научно-исследовательских и опытно-конструкторских работ вузов. В этой связи в качестве пилотных моделей построены эконометрические модели, объясняющие различия университетов, включенных в выборку, по уровню доходов, полученных от НИОКР. Для его изучения рассмотрены показатели, представленные в ИАС «Мониторинг» Минобрнауки РФ:

1. Общий объем средств, поступивших (за отчетный год) от выполнения НИОКР (обозначен далее как R18).
2. Объем НИОКР в расчете на одного научно-педагогического работника, за исключением профессорско-преподавательского состава (далее – ППС) из числа работников предприятий и организаций (кроме образовательных), привлеченных к образовательной деятельности по реализации образовательных программ бакалавриата, специалитета, магистратуры (обозначен далее как R21).

В статье Т. В. Миролюбовой и Л. О. Соломатовой (2012) осуществляется корреляционно-регрессионный анализ, в котором результирующим показателем выступает величина внебюджетных доходов университета, генерируемых деятельностью в области науки. Для выявления зависимостей используются объясняющие переменные, представляющие собой элементы внутренней и внешней инновационной среды учебного заведения. Среди рассматриваемых факторов выделяют следующие компоненты: численность кандидатов и докторов наук, количество студентов, принимающих активное участие в научно-исследовательских инициативах, объем выданных университетом патентов, развитие региональной инфраструктуры, поддерживающей инновационный процесс, включая технологические парки, бизнес-инкубаторы и аналогичные институты и др.

В исследовании Д. Г. Сандлера и Д. А. Гладырева (2020) предпринималась попытка оценить линейные корреляционные зависимости между основными показателями, измеряющими доходность вузов (доля внебюджетных доходов, внебюджетные доходы университета на одного НПР, доходы от НИОКР на одного НПР). В исследовании выявлена положительная корреляция между доходами от НИОКР на одного НПР и количеством цитирований на 100 НПР, отношением средней зарплаты НПР к средней зарплате региона и количеством цитирований университета на 100 НПР, общим объемом НИОКР и долей статей с соавторами из университетов других стран.

В исследовании И. П. Пестова (2024) выявлены взаимосвязи между показателями вузов и их доходностью: наиболее высокая корреляция показателей доходности наблюдается с числом студентов очной формы обучения, наличием материально-технической базы и уровнем интеллектуального капитала. Также в исследовании выявлено, что определенные факторы оказывают позитивное влияние на рост доходов высшего учебного заведения. К числу таких факторов относятся: увеличение количества студентов, обучающихся на дневной (очной) форме, повышение интенсивности международного сотрудничества в сфере научных исследований посредством увеличения доли совместных публикаций с иностранными партнерами, увеличение числа диссертационных советов.

Таким образом, представленные исследования послужили основой для выбора зависимых и независимых переменных, используемых в настоящей статье. Проведенный обзор литературы и предыдущие исследования определили совокупность факторов, непосредственно влияющих на размер внебюджетных доходов вузов, что позволило выбрать адекватные зависимую и независимые переменные для дальнейшего анализа и построения модели.

Анализ предполагает изучение влияния различных аспектов деятельности вузов на уровень доходов от НИОКР. В первоначальной выборке в качестве объясняющих переменных были рассмотрены 116 индикаторов (см. Приложение), охватывающих ключевые блоки показателей – образовательные, научные, финансовые, инфраструктурные и международные аспекты деятельности вузов (обозначены как R1–R115, RR86).

Конечные варианты регрессионных моделей имеют следующий вид:

1) для переменной R18 «Общий объем средств, поступивших (за отчетный год) от выполнения НИОКР» (построены модели по данным 2023 и 2024 гг.):

R18 = α + β ∙ R6 + γ ∙ R83 + δ ∙ R95 + ε, (1)

где R6 – численность студентов, победителей и призеров олимпиад школьников, принятых на очную форму обучения на первый курс по программам бакалавриата и специалитета по специальностям и (или) направлениям; R83 – общая численность научных работников (без внешних совместителей и работающих по договорам ГПХ); R95 – число статей, подготовленных совместно с зарубежными организациями;

2) для переменной R21 «Объем НИОКР в расчете на одного научно-педагогического работника, за исключением ППС из числа работников предприятий и организаций (кроме образовательных), привлеченных к образовательной деятельности по реализации образовательных программ бакалавриата, специалитета, магистратуры» (построены модели по данным 2023 и 2024 гг.):

R21 = α + β ∙ R9 + γ ∙ RR86 + δ ∙ R87 + ε, (2)

где R9 – удельный вес численности студентов (приведенного контингента), обучающихся по программам магистратуры, в общей численности приведенного контингента обучающихся по образовательным программам; RR86 – доля ППС возрастной категории старше 65 лет; R87 – доля ППС возрастной категории моложе 40 лет.

Результаты и обсуждение

Конечный вид линейных спецификаций эконометрических моделей, соответствующих уравнениям (1) и (2), представлен в табл. 2 и 5. На основе проведенного тестирования также были построены нелинейные спецификации указанных моделей (см. ниже).

Модели 1 и 2 в табл. 2 хорошо специфицированы. Все включенные в модели переменные статистически значимы. Обе модели объясняют более 76 % различий зависимой переменной. Вклад объясняющих переменных хорошо интерпретируем. В частности, включенные в модель объясняющие переменные являются индикаторами человеческого и социального капитала вуза (с точки зрения международного взаимодействия). Чем эти виды капитала больше, тем больше предпосылок для способности сотрудников вуза (возможно, совместно со студентами) зарабатывать на НИОКР.

Следует отметить высокую степень однородности и подобия моделей 1 и 2, построенных по данным 2023 и 2024 гг. Этот факт говорит о стабильности и надежности построенных моделей.

Проверка моделей 1 и 2 при использовании теста Брюша – Пегана – Годфри выявила признаки гетескедастичности их ошибок. Поэтому в целях преодоления этого явления спецификации указанных моделей были уточнены (приобрели нелинейный характер), параметры моделей в результате этого преобразования улучшились (табл. 3).

В целях проверки гипотезы о наличии постоянной эластичности объясняющих переменных по включенным в модели 1 и 2 факторным признакам построены так называемые Log-log-модели, спецификация которых получается в результате применения ко всем переменным моделей 1 и 2 функции натурального логарифма. Результаты указанных моделей представлены в табл. 4. Следует отметить, что в целях сохранения в Log-log-моделях всех наблюдений первоначальной выборки нулевые значения всех переменных были заменены на 0,000001.

Таким образом, подтверждена гипотеза о наличии постоянной эластичности объема доходов вуза от НИОКР по объясняющей переменной R83.

Рассмотрим результаты построения моделей оценки влияния показателей деятельности вуза на объем его доходов от НИОКР на одного научно-педагогического работника (НПР) (табл. 5).

Модели 3 и 4 в табл. 5 также хорошо специфицированы. Все включенные в модели переменные статистически значимы. Обе модели объясняют более 36 % различий зависимой переменной. Вклад объясняющих переменных хорошо интерпретируем. В частности, включенные в модель объясняющие переменные являются индикаторами структуры человеческого капитала вуза (прежде всего, возрастной структуры). На основе построенной модели следует отметить существенный вклад в эффективность проведения НИОКР в стоимостном выражении (по показателю удельного объема НИОКР в расчете на одного научно-педагогического работника) молодых ученых (до 40 лет). Это весьма значимый результат, подтверждающий перспективность молодых ученых в прикладных исследованиях, востребованных отраслями. Более высокая доля ученых старше 65 лет (потенциальных наставников) также положительно влияет на общую «производительность» ученых вуза. Увеличение доли магистрантов в контингенте студентов вуза повышает общую производительность труда ученых вуза в сфере производства НИОКР. Этот факт можно объяснить выгодным сочетанием у магистрантов молодости и определенного опыта, накопленного во время обучения на бакалавриате и позже.

Проверка моделей 3 и 4 при использовании теста Брюша – Пегана – Годфри также выявила признаки гетескедастичности их ошибок, для преодоления которых спецификации указанных моделей были уточнены (приобрели нелинейный характер), параметры моделей в результате этого преобразования улучшились (табл. 6).

В целях проверки гипотезы о наличии постоянной эластичности объясняющих переменных по включенным в модели 3 и 4 факторным признакам также построены Log-log-модели, спецификация которых получается в результате применения ко всем переменным моделей 3 и 4 функции натурального логарифма. Результаты указанных моделей представлены в табл. 7.

Таким образом, подтверждена гипотеза о наличии постоянной эластичности объема доходов вуза от НИОКР на одного НПР по объясняющим переменным RR86 и R87, включенным в модели 3* и 4*.

Кроме того, для всех моделей, представленных выше (модели 1, 2, 3, 4), рассчитан VIF (Variance Inflation Factor) – коэффициент увеличения дисперсии, позволяющий выявить корреляцию между объясняющими переменными модели. В частности, центрированный VIF для всех переменных всех указанных моделей не превышает 1,8 (для всех переменных моделей 1, 3, 4 этот индикатор не превышает 1,5), что является допустимым (предполагает умеренную корреляцию). В этом случае проведение корректирующих мер в спецификации моделей не требуется.

В процессе оценки устойчивости моделей в качестве контрольных переменных использованы: переменная R9 для моделей, построенных по спецификации уравнения (1) (модели 1 и 2), и R6 – для моделей, построенных по спецификации уравнения (2) (модели 3 и 4). При добавлении в модели контрольных переменных все модели продемонстрировали высокий уровень устойчивости оценок.

Следует снова отметить высокую степень однородности и подобия моделей, построенных по данным 2023 и 2024 гг., представленных в табл. 3. Этот факт говорит о стабильности и надежности построенных моделей.

Таким образом, все модели обладают высоким уровнем точности и надежности, позволяя эффективно прогнозировать объемы поступлений от НИОКР и удельную НИОКР вуза.

Полученные результаты коррелируют с аналогичными выводами ряда исследований (Миролюбова, Соломатова, 2012; Сандлер, Гладырев, 2020; Пестов, 2024), демонстрируя высокую степень сопоставимости полученных данных и общую научную достоверность подхода. При этом построенные модели отличаются от моделей, построенных другими исследователями, выявлением новых факторов влияния, которые ранее оставались вне поля зрения исследователей. Выявлены дополнительные переменные, которые позволяют глубже понять влияние различных факторов на эффективность вуза и повысить точность прогнозирования.

Высокая объясняющая способность моделей и их легкая интерпретируемость дают возможность использовать эти модели в качестве бенчмарка для построения рейтинга эффективности вузов в сфере генерации доходов от НИОКР. Кроме того, построенные модели обеспечивают более полное представление о прогнозировании объемов НИОКР и открывают перспективы для дальнейших научных изысканий.

Заключение

В ходе проведенного исследования была предложена и апробирована новая методика оценки эффективности научной и инновационной деятельности российских вузов, основанная на эконометрическом моделировании. Результаты работы позволяют сделать следующие ключевые выводы.

Во-первых, подтверждена ограниченность существующих подходов к оценке, которые в основном опираются на формальные и наукометрические показатели, не всегда отражающие реальную эффективность вузов. Предложенные модели, использующие данные официального мониторинга, позволяют провести более глубокий и объективный анализ.

Во-вторых, выявлены конкретные факторы, оказывающие статистически значимое влияние на объем доходов от НИОКР. Ключевую положительную роль для формирования абсолютного показателя объема НИОКР вуза играют численность его штатных научных работников; количество принятых в вуз призеров олимпиад; число статей, подготовленных совместно с зарубежными организациями. Производительность труда научных работников в сфере производства НИОКР закономерно зависит от структуры человеческого капитала университета: от удельного веса молодых сотрудников, а также доли опытных возрастных сотрудников и магистрантов (в общей численности студентов).

Указанные факторы подчеркивают важность наличия в университете сильного научного ядра, а привлечение молодых специалистов при наличии опытных наставников обеспечивает преемственность поколений и поддержку инновационного потенциала вузов. Кроме того, подчеркивается важность процесса интернационализации НИОКР путем привлечения зарубежных авторов в качестве соавторов публикаций.

Предложенные эконометрические модели обладают высокой объясняющей способностью, что подтверждает их адекватность и практическую значимость. Они могут быть использованы не только для анализа, но и в качестве инструмента для бенчмаркинга – сравнения эффективности вузов и выявления лучших практик, а также для построения более объективного рейтинга эффективности в сфере научной деятельности.

Направления будущих исследований могут включать:

– Расширение модели за счет включения дополнительных переменных, таких как качество публикаций, объем привлеченных грантов, показатели международной деятельности и востребованности выпускников.

– Проведение анализа на более длительном временном отрезке (с использованием панельных данных) для выявления динамических эффектов и причинно-следственных связей.

– Построение аналогичных моделей для других показателей эффективности, например, для оценки образовательной или международной деятельности вузов.

– Сегментацию выборки по типам вузов (например, национальные исследовательские, федеральные, опорные) для выявления специфических для каждой группы факторов эффективности.

Таким образом, настоящая работа вносит вклад в развитие методологии оценки деятельности вузов и открывает новые возможности для принятия обоснованных управленческих решений как на уровне отдельных университетов, так и на уровне государственной образовательной политики.

ПРИЛОЖЕНИЕ

Вклад авторов

И. П. Пестов проводил обзор литературы, подготовил рукопись, осуществлял эконометрический анализ, интерпретировал результаты.

Т. В. Крамин руководил и координировал исследование, управлял процессом моделирования в исследовании.

The author’s contributions

I. P. Pestov performed literature review, prepared the manuscript, provided economic analysis, and interpreted the results.

T. V. Kramin guided and coordinated the research, and guided the modeling process.

Конфликт интересов / Conflict of Interest

Один из авторов (Т. В. Крамин) является членом редколлегии журнала Russian Journal of Economics and Law. Статья прошла рецензирование на общих основаниях / One of the authors (T. V. Kramin) is a member of the Editorial Board of the Russian Journal of Economics and Law. The article has been reviewed on the usual terms.